基于双边滤波和black-hat变换的ostu裂缝分割算法

《基于双边滤波和black-hat变换的ostu裂缝分割算法》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、基于双边滤波和Black-hat变换的OSTU裂缝分割算法宋巧君张东武汉大学物理科学与技术学院光照暗淡、污溃覆盖等原因会造成裂缝图像的裂缝难以被检测，对此文屮提出了一种新的裂缝分割算法:该算法首先依次对图像进行基于彩色图的对比度拉伸、基于灰度图的改进高斯滤波的双边滤波处理，然后利用Black-hat变换和OTSU相结合进行裂缝分割。最后进行覆盖处理，用指定的颜色将二进制掩模叠加到原灰度图像上。实验结果表明，该算法在保留原奋边界的冋吋，使得噪声得以奋效去除，图像非裂缝信息得以很好抑制，裂缝可以显著突显。关键词：计算机应用;图像处理;Black-hat变

2、换;改进的OTSU;基金：湖北省科技攻关项目(2011CB70794)ImprovedOSTUalgorithmbasedonbilateralfilteringandBlack-hattransformationinthesegmentationofimageswithcracksSONGQiao-junZHANGDongSchoolofPhysicsandTechnology，WuhanUniversity:Abstract：Causessuchasunevennessofillumination,staincoveringmaymakeitdi

3、fficulttodetectthecracksofimages,thereforethecrackdetectionisproposedinthispaper.ColorimagecontraststretchingandgrayscalebilateralfilteringbasedonGaussianfilteringareusedinturn,andthentheBlack-hattransformationandOTSUarecombinedthresholdsegmentation.Theexperimentalresultsshowth

4、atthealgorithmcaneffectivelyremovethenoisewhilepreservingtheoriginalboundary,andthepartswithnocrackiswellsuppressedwhilethecracksisobviouslyhighlighted.Keyword：computerapplication;imageprocessing;Black-hattransformation;improvedOTSU;0引言在桥梁［1-2］、路面等结构图像中检测出裂缝以确保结构的安全性，具有重要意义。裂缝分

5、割通常用如下方法:先用数学形态学来增强对比度m，再通过交叉曲线评估，最后进行线性滤波将裂缝从背景中分割出来。虽然聚类以1、样条小波in、区域分割、传统边缘检测与神经网络m等算法可改善分割效果，但在边缘数据分类m过程中，很难把控适当阈值得到可观的连续轮廓。聚类算法虽避免了阈值选取的困难和分割轮廓的不连续性，但同一群集像素的不和邻性通常导致过分割。区域分割算法，虽在分割时间和轮廓连续性上比较可观，但其分割结果却会随着阈值而变。徐欢、李振璧等人m提出基于Carmy的裂缝检测;李媛媛等人［9］将霍夫变换和阈值分割结合用在裂缝图像的分割中。以上算法在一定程度上

6、取得了较好效果，但它们都对原图质量要求较高，对低对比度、噪声较严重的圈像分割效果不太理想IM。因此，探寻一种能有效分割低对比度、噪声较严重裂缝图像的算法很有必要。1新算法及其实现本文提出的基于Black-hat变换和OTSU的裂缝阁像分割改进算法，实质上是阁像的对比度拉伸、双边滤波算法和Black-hat变换、OTSU阈值分割算法的有机结合，用于检测图像中的不明显裂缝。这里木文处理的图像默认为RGB格式，图1(a)为有代表性的原始裂缝图像。1.1对比度拉伸直方图修正虽然图像对比度增强通常采用灰度直方图均衡化，但它在很大程度上改变了图像的原有信息。当图

7、像灰度直方图具有两个或两个以上峰值时，直方图均衡处理并不能取得很好的效果［11］。所以这里本文直接调整彩色图像的对比度，从而避免图像信息的丢失。此外，在裂纹检测过程屮，需要图像在一定的对比度范围内，且具有相对稳定的亮度;为了克服严重的阁像抖动问题，本文在补偿输入阁像的动态范围之后修正图像的亮度和对比度范围来增强输入图像的对比度。当图像没有黑、白的剧烈差异时，将显示为缺乏对比度。而图像的整体明暗度总是取决于图像的亮度［12］。所以，本文对裂缝图像进行对比度拉伸直方图修正，以増强图像对比度，效果如图1(b)所示。理论推理依据如下：离散概率分布可用连续概率

8、密度分布函数来近似，从而得到直方阁变换近似结果，即：其中，PY(Y)是Y的概率密度函数，Px(X)是输入图像